ChatGPT 诞生663天后,奥特曼罕见发表预言长文力推超级智能:时间不多了,还有不会使用chatgpt4请看文章开头?

还不知道怎么订阅chatgpt4.0和最新的大模型,可以看这里 :WildCard官方平台订阅chatgpt

今天,OpenAI 公司 CEO 山姆·奥特曼在一篇题为《智能时代》的最新个人博文中,概述了自己对于 AI 驱动的技术进步与全球繁荣未来的愿景。这篇文章描绘了 AI 加速人类进步的可能性,奥特曼还指出超级 AI 有可能会在未来十年之内出现。

他在文中写道,“我们距离超级超级智能可能只有几千天;也许实际时间会更长,但我坚信我们将会达成这个目标。”

目前尚不清楚 Altman 的这篇帖子是新产品发布或重大公告的先兆,还是仅仅是对“智能时代”的预测。尽管如此,Altman 表示乐观强调这个新时代的一个决定性特征是大规模的繁荣。

添加图片注释,不超过 140 字(可选)

准备好迎接“智能时代”?!

OpenAI 的当前目标在于建立通用人工智能(AGI)。这是一个设想出来的技术概念,指在执行多种任务时能够与人类智能相媲美、且无需接受特定训练的 AI。相比之下,超级智能要比通用人工智能更进一步,可以理解成一种假想的机器通知水平,可以在任意智力任务上远远超越人类、甚至达到不可思议的程度。

超级智能(也被称为「ASI」,即「人工超级智能」)是机器学习社区中一个流行、但也有些极端的议题,多年来一直受到关注和质疑。矛盾的集中爆发,则源自哲学家 Nick Bostrom 于 2014 年撰写的争议论著《超级智能:路径、危险与策略》。OpenAI 公司联合创始人兼前首席科学家 Ilya Sutskever 于今年 6 月离开 OpenAI 之后,也创办了一家以该术语命名的公司:Safe Superintelligence——安全超级智能。与此同时,奥特曼本人则至少从去年开始就一直在谈论开发超级智能。

那么,“几千天”到底是有多长?没人能给出确切的数字。奥特曼之所以选择这样一个模糊的数字,可能也是因为他也不确定 AI 超级智能究竟何时会来,只是隐隐感觉到可能会在未来十年之内实现。具体算来,2000 天大约是 5.5 年,3000 天大约是 8.2 年,而 4000 天则接近 11 年。

我们当然可以批评奥特曼的语焉不详,毕竟没有人能够真正预测未来。但身为 OpenAI 公司的掌门人,奥特曼很可能掌握着一些尚未被公众所广泛知晓的 AI 研究技术。因此哪怕是“几千天”这样一种宽泛的时间表述,考虑到说法来自 AI 领域值得关注的消息来源,我们似乎也有必要认真加以对待——尽管这位消息人士属于利益相关者,投入了大量资金来确保 AI 发展不致陷入停滞。

而且并非所有人都认同奥特曼表现出的乐观和热情。计算机科学家、时常批评 AI 技术的 Grady Booch 引用了奥特曼“几千天”的预测,在 X 上发帖评论称:“我对一切 AI 炒作感到极度厌倦:它们没有任何现实依据,只会抬高期待、激怒公众、登上媒体头条,并分散人们对于计算领域实际工作的注意力。”

添加图片注释,不超过 140 字(可选)

我同意萨姆的看法!假设他使用的是 16 进制计数法……

尽管受到批评,但值得注意的是,这家可能是当下最具代表性的 AI 厂商的 CEO 确实在对未来技术能力做出宽泛的预测——哪怕目的可能是为了继续努力筹集资金。现如今,建设基础设施来支持 AI 服务,已经成为许多科技企业 CEO 们最关心的问题。

奥特曼在文章中写道,“如果我们想让尽可能多的人们掌握 AI,就必须降低计算成本并丰富其实际功能(这需要大量能源和芯片)。如果我们不建设充足的基础设施,AI 就将成为一种极其有限的资源。争夺之战将因此打响,AI 也会主要成为富人们的工具。”

奥特曼的“智能时代”愿景

OpenAI 公司 CEO 山姆·奥特曼于 2024 年 1 月 11 日走过华盛顿特区美国国会大厦众议院廊下。

在文章的其余部分,奥特曼将我们现在的时代描述为“智能时代”的开端,即人类历史上继石器时代、农业时代和工业时代之后的又一个变革性技术时代。他将深度学习算法的成功描述成这个新时代的催化剂,并简单总结称:“我们是如何迈向下一次繁荣飞跃的门槛的?概括讲,就是深度学习的确有效。”

奥特曼的观点似乎基于该公司最近推出的 "o1" AI 模型,据称该模型能够推理解决以前模型难以处理的问题。

许多批评该公司的声音认为,深度学习——驱动像 ChatGPT 和 Google 的 Gemini 这样的模型的特定类型 AI——无法通过扩展来创造出具有人类水平的人工智能。

然而,在他最新的博客文章中,奥特曼直接反驳了这一观点:

“用 15 个字概括:深度学习有效,随着规模的扩大可预测地变得更好,我们为其投入了越来越多的资源。”

这位 OpenAI 掌门人设想 AI 助手将变得越来越强大,最终形成“个人 AI 团队”,能够帮助个人完成他们所能想象的几乎一切事务。他预测 AI 技术将在教育、医疗保健、软件开发及其他诸多领域取得突破。

虽然承认 AI 带来的潜在负面影响与劳动力市场混乱,但奥特曼在 AI 对于人类社会的整体影响方面仍持乐观态度。他在文中写道,“繁荣本身并不一定能让人们幸福——有很多富人其实生活得相当悲惨——但其仍将显著改善世界各地人民的生活。”

即使像 SB-1047 这样的 AI 监管条例已经成为当下的热门话题,奥特曼也没有在文中特别提及 AI 技术带来的科幻性质的风险。在 X 上,彭博专栏作家 Matthew Yglesias 写道,“值得注意的是,奥特曼甚至不再口头讨论生存风险的问题,他唯一担忧的 AI 弊端就是对劳动力市场造成的冲击。”

虽然对于 AI 科技的潜力充满热情,但奥特曼同样呼吁应当谨慎行事,只是语气比较含糊。他写道,“我们需要明智且坚定地采取行动。智能时代的到来标志着重大的发展里程碑,必然伴随着极其复杂的高风险挑战。整个过程绝不会完全积极且正向,但其中的收益又是如此巨大,我们有责任为自己和未来考虑该如何应对可能面临的风险。”

可除了对劳动力市场造成的冲击之外,奥特曼并没有提及智能时代可能造成的其他负面影响,只是用因技术变革而消失的过时职业作为类比给文章作结。

他写道,“我们当下所做的许多工作,在几百年前的人们看来可能既微不足道又浪费时间。但往者不可谏,来者犹可追,最重要的不是沉溺于过去、而在于怎样开启一个新的时代。如果当时的人们有机会看到今天的世界,一定认为周遭的繁荣景象远远超过了其想象。而如果我们从今天开始向后快进一百年,那种勃勃生机、万物竞发的情景也将同样令人难以想象。”

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/1544693.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

用Swift实现验证回文字符串

如果在将所有大写字符转换为小写字符、并移除所有非字母数字字符之后,短语正着读和反着读都一样。则可以认为该短语是一个 回文串 。 字母和数字都属于字母数字字符。 给你一个字符串 s,如果它是 回文串 ,返回 true ;否则&#…

深度学习500问——Chapter14:超参数调整(3)

文章目录 14.5 如何改善GAN的性能 14.6 AutoML 14.6.1 什么是AutoML 14.6.2 自动化超参数搜索方法有哪些 14.6.3 什么是神经网络架构搜索(NAS) 14.6.4 NASNet的设计策略 14.6.5 网络设计中,为什么卷积核设计尺寸都是奇数 14.6.6 网络设计中&a…

一文详解GB28181、RTSP、RTMP

GB28181 GB28181 即 GB/T28181—2016《公共安全视频监控联网系统信息传输、交换、控制技术要求》。它是公安部提出的公共安全行业标准,在视频监控领域具有重要地位。 主要目的和应用场景: 目的:解决不同厂家的视频监控设备执行各自标准&…

相交链表 -------------应用

给你两个单链表的头节点 headA 和 headB ,请你找出并返回两个单链表相交的起始节点。如果两个链表不存在相交节点,返回 null 。 图示两个链表在节点 c1 开始相交: 题目数据 保证 整个链式结构中不存在环。 注意,函数返回结果后&…

【机器学习(十)】时间序列预测月销量案例分析—Holt-Winters算法—Sentosa_DSML社区版

文章目录 一、Holt-Winters算法原理(一) 加法模型(二) 乘法模型(三) 阻尼趋势 二、Holt Winters算法优缺点优点缺点 三、Python代码和Sentosa_DSML社区版算法实现对比(一) 数据读入和统计分析(二) 数据预处理(三) 模型训练和模型评估(四) 模型可视化 四、总结 一、Holt-Winters…

论文研读——《Task-Adaptive Negative Envision for Few-Shot Open-Set Recognition》

这是一篇关于少样本开集识别的论文。 目录 论文简介: 名词补充 论文的贡献 负原型生成器 确定动态阈值 共轭训练 补充:元训练过程 共轭训练过程 共轭训练损失 实验设置 总结 论文简介: Task-Adaptive Negative Envision for Few-…

怎么把照片转换成jpg格式?这5种转换方法简单高效

照片是我们记录生活、分享美好的重要方式。然而,不同设备和软件生成的照片格式各异,有时为了兼容性或文件大小的需求,我们需要将照片转换成JPG格式。很多小伙伴不知道怎么转换,下面来给大家分享5种简单高效的转换方法,…

tokenizer简述

知乎:难赋链接:https://zhuanlan.zhihu.com/p/721054525 简述 为了方便计算机处理文本,我们常把文本转化为数值的形式。具体操作是把文本分割成有意义的片段,再把这些片段映射为数组,就能够利用各种深度学习的技术来处…

FastStone Capture屏幕长截图软件注册码

FastStone Capture是一款功能强大的电脑屏幕截图、录像软件,并支持图像编辑、注释及分享等使用功能。FastStone Capture可以免费用30天试用,终身版88元单台电脑终身使用,终身更新。不过网上分享的FastStone Capture注册码似乎也可以正常激活&…

Java开发:文件上传和下载

一、文件上传 使用MultipartFile 类型接收参数; 调用上传有两种方式: 方式一:使用curl命令 curl -F "file/data/filename.txt" http://localhost:8080/upload --verbose方式二:使用html,写一个form表单&…

Mysql基本理解

系列文章目录 Mysql的基础理论知识 目录 系列文章目录 文章目录 一、数据库概述 1.数据库概念 2.数据库的作用 3.什么是关系型数据库? 4.Mysql的优点 5.数据库术语 6.SQL语言分类 二、Mysql安装 三、 Mysql使用 1.登录数据库、退出登录 2.创建、列出数据库 3.选择…

Node.JS有什么用?给谁用?怎么学?通俗易懂,超级详细!

现在,nodejs主要是前端的小伙伴来用的。前端小伙伴也不用说去怎么学node,而是把node当做是一个环境。我们利用这个环境去搭建上层的一些应用,去使用一些工具。就像学习Windows一样,我们没有必要深入了解Windows的每一个细节&#…

【hot100-java】【环形链表 II】

印象题 /*** Definition for singly-linked list.* class ListNode {* int val;* ListNode next;* ListNode(int x) {* val x;* next null;* }* }*/ public class Solution {public ListNode detectCycle(ListNode head) {ListNode fasthea…

建筑工程系列专业职称评审条件大全

我们都知道,职称是分很多系列,今天甘建二主要是从建筑工程系列讲起来,从技术员到初级职称再到中级职称然后到高级职称,各个等级的评审条件给您一一解析,赶紧收藏起来。 ✨技术员1️⃣理工类或建筑工程相关专业大学专科…

视频生成技术分享

文本到视频(T2V)生成是一种技术,它通过将文本描述转换为视频内容,允许用户根据自然语言生成动态视觉媒体。近年来,扩散模型在这一领域取得了显著进展,但现有模型在处理多个对象和复杂场景时,面临…

android 跑了一个网易云信v1.0的app, 编译的过程中报错Entry name ‘assets/sm2/r.jks‘ collided的处理

1、一开始并没有报这个错误,然后直接就不知道注了什么信息以后,就报错,是因为下面的warning: 2、然后编译的时候就直接报下面的错误: 3、然后我们再之前的注解放开: 这样一切就正常了。 4、那么这个究竟是…

【动态规划】(五)动态规划——子序列问题

动态规划——子序列问题 子序列问题☆ 最长递增子序列(离散)最长连续递增序列(连续)最大子序和(连续)最长重复子数组(连续)☆ 最长公共子序列(离散-编辑距离过渡&#xf…

【动态规划】(四)动态规划——打家劫舍与买卖股票

打家劫舍与买卖股票 打家劫舍问题打家劫舍打家劫舍II打家劫舍III 买卖股票问题买卖股票的最佳时机买卖股票的最佳时机II买卖股票的最佳时机III买卖股票的最佳时机IV最佳买卖股票时机含冷冻期买卖股票的最佳时机含手续费 股票问题总结 打家劫舍问题 给定一个数组,相…

day-59 两两交换链表中的节点

思路 只需将链表两两交换节点即可,如果是奇数个节点,最后一个节点则不用交换 解题过程 可以先自定义一个头结点thead,这样更便于思考交换,最后返回thead.next即可 Code /*** Definition for singly-linked list.* public class…

SAM+无监督学习!能发顶会的高端局组合!idea效果绝佳

学过SAM的朋友都知道,SAM需要对训练数据进行全面的手动标记,每张图像都要超过20分钟...效率有待提升。那么如何解决这个短板?我们考虑SAM无监督学习。 这是因为无监督学习具有无需人工标注数据的特点,通过将两者结合,…